如何进行Tensorflow中Session和InteractiveSession的比较，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
01
Session
每一个Session都维护各自变量的副本。
如下所示：
W = tf.Variable(10)
sess1 = tf.Session()
sess2 = tf.Session()
sess1.run(W.initializer)
sess2.run(W.initializer)
print sess1.run(W.assign_add(10)) # >> 20
print sess2.run(W.assign_sub(2)) # >> ?
？等号8，sess1和sess2各自维护W，所以sess1中W增加10，不会影响sess2的W，所以它等于10-2=8.
02
Session vs InteractiveSession
有时候我们会看到：InteractiveSession，而不是Session，它们区别是？
One major change is the use of an InteractiveSession, which allows us to run variables without needing to constantly refer to the session object (less typing!).
InteractiveSession()
sess = tf.InteractiveSession()
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
# We can just use 'c.eval()' without specifying the context 'sess'
print(c.eval())
sess.close()
Session()
sess = tf.Session()
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
with tf.Session() as sess:
sess.run(print(c.eval()))
看完上述内容，你们掌握如何进行Tensorflow中Session和InteractiveSession的比较的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
